融合小波包细节子图及稀疏表示的人脸识别

针对现有人脸识别方法在光照变化、表情变化及噪声干扰等情况下识别率下降的问题,本文将主成分分析(PCA),图像的小波包分解(WPD)和稀疏表示分类(SRC)等算法结合起来进行研究分析,提出了一种融合小波包细节子图及稀疏表示(FW-SRC)的人脸识别方法。该方法首先将图像小波包分解以后的子图像进行加权融合,对融合后的图像进行特征提取并构造特征空间,然后用样本在特征空间上的投影集构造稀疏字典,最后通过对人脸图像的稀疏表示实现分类识别。采用Yale B、AR和CMU PIE人脸库分别进行了光照、表情及噪声鲁棒性的测试,实验结果表明本文方法不仅提高了人脸识别率,而且在光照强度变化、表情变化以及噪声干扰的情况下具有良好的识别性能。